基于用戶畫像的需求推薦系統(tǒng)的研究

李朋博 孫黎博

摘 要：用戶畫像是代表目標(biāo)客戶特征并將用戶需求與計(jì)劃定位聯(lián)系起來的橋梁。 用戶畫像是一個(gè)用戶標(biāo)簽?zāi)Ｐ?，通過整合用戶的社會(huì)特征，行為習(xí)慣，心理特征，消費(fèi)者行為和其他數(shù)據(jù)來抽象。因此，用戶畫像是一個(gè)虛構(gòu)的圖像，它不代表特定的真實(shí)世界用戶，而是收集一系列真實(shí)世界的數(shù)據(jù)以形成代表某些類型用戶共同特征的一些共同屬性。本文旨在將用戶畫像方法引入營(yíng)銷領(lǐng)域，從而進(jìn)一步提高營(yíng)銷活動(dòng)的準(zhǔn)確性，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷。

關(guān)鍵詞：用戶畫像;需求推薦;精準(zhǔn)營(yíng)銷

引言

近年來，隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，用戶已經(jīng)進(jìn)入了“信息超載”時(shí)代，從以前的信息短缺時(shí)代（包括電子商務(wù)數(shù)據(jù)，社交網(wǎng)絡(luò)數(shù)據(jù)，短視頻數(shù)據(jù)）開始高速生產(chǎn)信息和數(shù)據(jù)。等等。各種數(shù)據(jù)充斥著用戶的視線，使用戶面對(duì)各種各樣的產(chǎn)品選擇時(shí)不知所措。另一方面，隨著經(jīng)濟(jì)的快速發(fā)展，用戶的經(jīng)濟(jì)水平和消費(fèi)能力也得到了明顯提高，用戶越來越關(guān)注自己的實(shí)際需求和個(gè)性化需求。在這種情況下，尤其重要的是如何更好地利用數(shù)據(jù)的價(jià)值，為用戶實(shí)現(xiàn)精確的營(yíng)銷，并推薦滿足用戶需求的產(chǎn)品，以進(jìn)一步提高產(chǎn)品和服務(wù)的轉(zhuǎn)換率。因此，本研究建議使用大數(shù)據(jù)時(shí)代的產(chǎn)物用戶畫像方法，并將大數(shù)據(jù)技術(shù)集成到現(xiàn)有的營(yíng)銷活動(dòng)中，以進(jìn)一步實(shí)現(xiàn)精準(zhǔn)營(yíng)銷并提高用戶滿意度和忠誠(chéng)度。

1基于用戶畫像的需求推薦系統(tǒng)相關(guān)理論

1.1用戶畫像概念界定

用戶畫像（用戶個(gè)人資料）最初由Alan Cooper提出。它是基于一組實(shí)際數(shù)據(jù)的目標(biāo)用戶模型。它以不同的維度顯示相同類型的用戶。信息的全貌。 用戶畫像的本質(zhì)是標(biāo)記用戶，即使用簡(jiǎn)短的單詞描述用戶特征的某個(gè)方面，并且所有反映用戶偏好特征的標(biāo)簽都組合在一起，以代表完整的用戶圖像和用戶特征的所有方面完全顯示。 用戶畫像分為多個(gè)字段，這意味著不可能在所有字段中使用統(tǒng)一的肖像。例如，支付寶中的用戶畫像和微信中的用戶畫像肯定是不同的。因此，當(dāng)公司使用用戶畫像技術(shù)分析用戶時(shí)，他們需要收集某些字段。關(guān)聯(lián)字段中的用戶信息數(shù)據(jù)確定關(guān)聯(lián)字段的用戶畫像模型。只有這樣，分析結(jié)果才能更加精確。

應(yīng)用用戶畫像技術(shù)是為了更好地了解用戶需求并提高用戶滿意度。隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，在大數(shù)據(jù)環(huán)境中，用戶畫像不僅可以充分了解用戶需求，而且可以預(yù)測(cè)用戶需求。與傳統(tǒng)的營(yíng)銷活動(dòng)相比，用戶畫像具有多維數(shù)據(jù)，細(xì)粒度數(shù)據(jù)，并在大數(shù)據(jù)環(huán)境中保持動(dòng)態(tài)特性。這些特征使公司的營(yíng)銷活動(dòng)更加準(zhǔn)確。此外，回歸分析，聚類分析，神經(jīng)網(wǎng)絡(luò)和其他算法可用于預(yù)測(cè)和分析營(yíng)銷結(jié)果，發(fā)現(xiàn)新的用戶需求和潛在的用戶市場(chǎng)，并更好地提高公司的ROI。

1.2大數(shù)據(jù)

大數(shù)據(jù)是指?jìng)鹘y(tǒng)軟件工具無法在特定時(shí)間范圍內(nèi)收集，管理和處理的數(shù)據(jù)集合。這是一個(gè)龐大的高增長(zhǎng)量，新的處理模型需要更大的決策，洞察力和發(fā)現(xiàn)以及流程優(yōu)化功能。評(píng)價(jià)和多樣化的信息資源。麥肯錫全球研究所認(rèn)為，大數(shù)據(jù)是指足以收集，存儲(chǔ)，管理和分析數(shù)據(jù)的數(shù)據(jù)集合。

大數(shù)據(jù)技術(shù)系統(tǒng)龐大而復(fù)雜。其中，數(shù)據(jù)分析技術(shù)可以幫助我們查明用戶的興趣和偏好，以實(shí)現(xiàn)精確的營(yíng)銷。

1.3精準(zhǔn)營(yíng)銷

菲利普·科特勒（Philip Kotler）指出，精準(zhǔn)營(yíng)銷是一種營(yíng)銷傳播過程，通過制定營(yíng)銷計(jì)劃可以產(chǎn)生高投資回報(bào)。杰夫·薩賓（Jeff Sabine）的答案是：在正確的時(shí)間通過適當(dāng)?shù)那缹⑿畔l(fā)送給目標(biāo)客戶，以實(shí)現(xiàn)營(yíng)銷目標(biāo)。準(zhǔn)確性意味著精確，精確和可測(cè)量。精準(zhǔn)營(yíng)銷具有五個(gè)特征：第一，精準(zhǔn)的受眾。只有找到實(shí)際具有相應(yīng)產(chǎn)品要求的用戶組并進(jìn)行營(yíng)銷活動(dòng)，才能提高轉(zhuǎn)換率。第二是正確的市場(chǎng)定位。 正確的營(yíng)銷目標(biāo)是通過定量和準(zhǔn)確的市場(chǎng)定位技術(shù)來克服傳統(tǒng)營(yíng)銷定位的質(zhì)量限制。使用用戶畫像模型來了解產(chǎn)品目標(biāo)用戶的特定特征，包括興趣偏好和其他可以針對(duì)廣告的信息。第三是正確的溝通。 準(zhǔn)確的營(yíng)銷體系方法可確保公司與客戶之間的密切對(duì)話與溝通，不斷滿足客戶的個(gè)性化需求，建立穩(wěn)定而忠誠(chéng)的客戶群，實(shí)現(xiàn)客戶鏈反應(yīng)的附加值，并確保公司的長(zhǎng)期發(fā)展能夠可以實(shí)現(xiàn)穩(wěn)定和快速發(fā)展，以確?？焖侔l(fā)展。第四是精確的成本計(jì)算。傳統(tǒng)的營(yíng)銷方式只是盲目地投資于人，希望通過交易成本來獲得產(chǎn)品的知名度。精準(zhǔn)營(yíng)銷可以將成本投資于目標(biāo)受眾，以降低成本并增加銷售額。第五是準(zhǔn)確把握用戶需求。隨著人們生活水平的提高，用戶越來越關(guān)注他們的個(gè)人需求。有不同類型的需求，需求經(jīng)常變化。精準(zhǔn)營(yíng)銷可以通過技術(shù)手段充分把握用戶特征，理解用戶需求，從而達(dá)到更高的用戶滿意度。

2.營(yíng)銷策略系統(tǒng)設(shè)計(jì)

2.1數(shù)據(jù)獲取

使用多級(jí)屬性標(biāo)簽，通過數(shù)據(jù)提取和抽象用戶信息制作用戶的肖像畫。要?jiǎng)?chuàng)建用戶檔案模型，需要大量的數(shù)據(jù)，如人口統(tǒng)計(jì)數(shù)據(jù)、用戶行為、用戶喜好數(shù)據(jù)等。肖像畫越多，肖像畫越完整，人物表現(xiàn)越全面。這張肖像可以幫助商人更好地理解用戶的需求，正確捕捉用戶喜好的特征?，F(xiàn)有的數(shù)據(jù)類型不僅有結(jié)構(gòu)數(shù)據(jù)，還有大量的半結(jié)構(gòu)數(shù)據(jù)和非結(jié)構(gòu)數(shù)據(jù)。例如，瀏覽數(shù)據(jù)或單擊數(shù)據(jù)。數(shù)據(jù)的顯示、查找和其他動(dòng)態(tài)數(shù)據(jù)中沒有明確的屬性。必須通過數(shù)據(jù)解析和數(shù)據(jù)挖掘技術(shù)從用戶日志系統(tǒng)和應(yīng)用背景中提取。隨著互聯(lián)網(wǎng)的發(fā)展，龐大的數(shù)據(jù)充斥著人們的世界。為了正確提取不同數(shù)據(jù)模型的種類價(jià)值，企業(yè)必須整理收集的數(shù)據(jù)并利用計(jì)算機(jī)技術(shù)。將所有類型的數(shù)據(jù)處理為用戶概要建模所需的數(shù)據(jù)集。有目標(biāo)地推進(jìn)營(yíng)銷活動(dòng)。是的，對(duì)應(yīng)的產(chǎn)品推薦的大數(shù)據(jù)環(huán)境主要分為靜態(tài)數(shù)據(jù)和動(dòng)態(tài)數(shù)據(jù)。統(tǒng)計(jì)數(shù)據(jù)主要與人口統(tǒng)計(jì)學(xué)的數(shù)據(jù)有關(guān)。有性別、職業(yè)、年齡、場(chǎng)所等數(shù)據(jù)。這些數(shù)據(jù)可以通過用戶注冊(cè)信息來收集。動(dòng)態(tài)數(shù)據(jù)是指用戶持續(xù)變化的動(dòng)作數(shù)據(jù)。

2.2用戶行為數(shù)據(jù)

用戶行為數(shù)據(jù)（即動(dòng)態(tài)用戶數(shù)據(jù)）是構(gòu)建用戶畫像的主要基礎(chǔ)。用戶行為數(shù)據(jù)基于配對(duì)。網(wǎng)站正確的標(biāo)簽系統(tǒng)可以在公司面前顯示用戶的特點(diǎn)，為企業(yè)的決定提供參考。用戶配置文件的數(shù)據(jù)標(biāo)簽是高度復(fù)雜的特征識(shí)別，通過分析性別、年齡、地區(qū)、用戶習(xí)慣、用戶偏好等用戶信息來識(shí)別。最后，可以匯總所有標(biāo)簽。使用意義特征記述用戶的肖像。理解英語援助各標(biāo)簽的重要性，慎重評(píng)價(jià)用戶的喜好，實(shí)現(xiàn)精確的市場(chǎng)營(yíng)銷。

2.3用戶畫像模型構(gòu)建

捕獲用戶行為標(biāo)簽后，可以對(duì)用戶肖像進(jìn)行建模。用戶的設(shè)計(jì)變成“可視化”。這個(gè)用戶配置文件的設(shè)計(jì)大致可以分為三個(gè)級(jí)別。用戶數(shù)據(jù)收集層、用戶數(shù)據(jù)處理層、用戶數(shù)據(jù)分析和標(biāo)簽層用戶數(shù)據(jù)獲取層主要用于記錄。負(fù)責(zé)靜態(tài)和動(dòng)態(tài)數(shù)據(jù)，用戶數(shù)據(jù)處理層對(duì)收集的數(shù)據(jù)進(jìn)行清洗、濾波、復(fù)制，并將其發(fā)送到數(shù)據(jù)分析和標(biāo)簽層。用戶數(shù)據(jù)分析和標(biāo)記層使用數(shù)據(jù)挖掘技術(shù)分析處理后的數(shù)據(jù)，然后標(biāo)記數(shù)據(jù)。用戶概要模型需要?jiǎng)討B(tài)屬性，隨著用戶隨時(shí)生成新的數(shù)據(jù)。只有這樣，才能及時(shí)發(fā)現(xiàn)用戶喜好的變化，調(diào)整公司的營(yíng)銷戰(zhàn)略，提高用戶滿意度和忠誠(chéng)度。如表1所示，用戶A和C是相似的用戶。用戶C喜歡產(chǎn)品1/2/3，因此向用戶A建議產(chǎn)品3。

確定目標(biāo)受眾是營(yíng)銷實(shí)踐中的一項(xiàng)主要任務(wù)。創(chuàng)建“用戶配置文件”時(shí)，挖掘和分析數(shù)據(jù)會(huì)引入更多干擾。

3.基于用戶畫像的精準(zhǔn)營(yíng)銷策略

3.1用戶畫像的構(gòu)建

3.1.1用戶畫像數(shù)據(jù)采集與處理

建立用戶畫像模型需要大量數(shù)據(jù)，涵蓋用戶的各個(gè)方面，人口統(tǒng)計(jì)數(shù)據(jù)，有關(guān)用戶行為的數(shù)據(jù)，有關(guān)用戶偏好的數(shù)據(jù)等。數(shù)據(jù)越多，肖像越完整，人物特征也就越大。這樣的肖像可以幫助公司更好地了解用戶需求并查明用戶偏好，以便在進(jìn)行營(yíng)銷活動(dòng)時(shí)可以有針對(duì)性地使用它們。產(chǎn)品推薦。

在大數(shù)據(jù)環(huán)境中，用戶畫像數(shù)據(jù)主要分為兩類：靜態(tài)數(shù)據(jù)和動(dòng)態(tài)數(shù)據(jù)。靜態(tài)數(shù)據(jù)主要是指可以通過用戶的注冊(cè)信息收集的人口統(tǒng)計(jì)數(shù)據(jù)，例如性別，職業(yè)，年齡，位置以及其他數(shù)據(jù)。動(dòng)態(tài)數(shù)據(jù)是指一些不斷變化的用戶行為數(shù)據(jù)，例如：瀏覽數(shù)據(jù)和單擊數(shù)據(jù)，查看數(shù)據(jù)，搜索數(shù)據(jù)等。動(dòng)態(tài)數(shù)據(jù)沒有明確的特征，必須使用數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)從用戶日志系統(tǒng)，應(yīng)用后端等中提取動(dòng)態(tài)數(shù)據(jù)。使用用戶畫像模型來了解產(chǎn)品目標(biāo)用戶的特定特征，包括興趣偏好和其他可以針對(duì)廣告的信息。

隨著互聯(lián)網(wǎng)的發(fā)展，海量數(shù)據(jù)正在淹沒人類世界。現(xiàn)有的數(shù)據(jù)類型不僅是結(jié)構(gòu)化數(shù)據(jù)，而且是大量的半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。用戶畫像模型的構(gòu)建需要不同類型的數(shù)據(jù)。為了準(zhǔn)確地提取各種類型的數(shù)據(jù)的價(jià)值，公司需要清理收集的數(shù)據(jù)，然后使用計(jì)算機(jī)技術(shù)將各種數(shù)據(jù)處理為用戶畫像建模所需的數(shù)據(jù)集。

3.1.2用戶信息標(biāo)簽化

通常，用戶畫像用于標(biāo)識(shí)用戶。因此，標(biāo)記用戶信息是創(chuàng)建用戶畫像的核心工作。精確的識(shí)別系統(tǒng)可以在公司前面顯示用戶屬性，并為公司決策提供其他參考。用戶畫像數(shù)據(jù)標(biāo)簽是從分析用戶信息（例如性別，年齡，地區(qū)，用戶習(xí)慣，用戶喜好等）而衍生的復(fù)雜功能標(biāo)識(shí)符。最后，將所有標(biāo)簽合并以勾勒出用戶的肖像。標(biāo)簽具有語義功能，使公司能夠理解每個(gè)標(biāo)簽的含義，準(zhǔn)確評(píng)估用戶的偏好并實(shí)現(xiàn)精確的營(yíng)銷。如圖2所示用戶畫像標(biāo)簽建模圖

3.1.3建立用戶畫像模型

用戶畫像建模是在標(biāo)記了收集和處理的用戶信息和數(shù)據(jù)之后對(duì)用戶的“可視化”構(gòu)造。用戶畫像結(jié)構(gòu)可以大致分為三個(gè)層次：用戶數(shù)據(jù)獲取層，用戶數(shù)據(jù)處理層，用戶數(shù)據(jù)分析和標(biāo)記層。

例如，對(duì)于L公司的產(chǎn)品推薦，選擇協(xié)同過濾推薦算法更為合適。結(jié)合用戶行為，可以有效解決冷啟動(dòng)問題（冷啟動(dòng)，如果產(chǎn)品從未被關(guān)注或?yàn)g覽過，則不會(huì)被推薦），從而使推薦信息更加準(zhǔn)確。

一般來說，用戶A和用戶B有共同的偏好。假設(shè)用戶A為U（I=1，2，…，n），產(chǎn)品B為M（J=1，2，…，m），u在M上的得分為r，系統(tǒng)將收集用戶和產(chǎn)品的歷史信息，計(jì)算用戶u與其他用戶Sim（u，n）之間的相似度，并根據(jù)得分找到與目標(biāo)用戶u相似度高的用戶N（u）。從所有NNn（u）中，選擇用戶喜歡的目標(biāo)和目標(biāo)。我們鼓勵(lì)將用戶定位為從未見過的產(chǎn)品。

基于協(xié)作用戶篩選，請(qǐng)使用以下公式來計(jì)算產(chǎn)品的用戶設(shè)置。

其中，Puj顯示用戶u喜歡產(chǎn)品j的程度，根據(jù)用戶推薦的得分最高的產(chǎn)品。

3.2把握用戶心理，精準(zhǔn)推送營(yíng)銷信息

傳統(tǒng)公司的營(yíng)銷活動(dòng)主要是離線大型廣告，例如廣告牌?，F(xiàn)在，公司已使用用戶畫像模型來了解產(chǎn)品目標(biāo)用戶的特定特征，包括興趣偏好和其他可以針對(duì)廣告的信息。例如，GoogleAdWords使用用戶畫像模型檢查公司目標(biāo)用戶的年齡范圍，地理位置，收入范圍等，以進(jìn)行廣告展示，這不僅可以準(zhǔn)確地到達(dá)公司目標(biāo)用戶，還可以大大降低廣告費(fèi)用。如果每個(gè)公司都基于用戶畫像模型進(jìn)行準(zhǔn)確的廣告投放，則將大大減少用戶的信息負(fù)擔(dān)。關(guān)于接收到的廣告，用戶不會(huì)視而不見并且以循環(huán)方式做廣告，既減小用戶收到不符合自身需求的“垃圾信息”的可能性，提高用戶滿意度，又降低了企業(yè)的營(yíng)銷成本。

3.3對(duì)接用戶需求，精準(zhǔn)塑造品牌定位

在當(dāng)前的市場(chǎng)環(huán)境中，不僅有大量的產(chǎn)品，而且有越來越多的同類產(chǎn)品。在激烈的市場(chǎng)競(jìng)爭(zhēng)中，公司要想立足就必須具有核心競(jìng)爭(zhēng)力。優(yōu)質(zhì)的服務(wù)和用戶需要或感興趣的產(chǎn)品的即時(shí)推薦是公司的競(jìng)爭(zhēng)力。用戶畫像模型可幫助公司提出準(zhǔn)確的產(chǎn)品建議。在現(xiàn)有推薦算法中，最常見的是用于協(xié)同過濾的推薦算法。其基本思想是利用用戶相似度來找到最接近的鄰居，然后根據(jù)預(yù)測(cè)值向用戶推薦產(chǎn)品。但是，協(xié)同過濾算法會(huì)忽略用戶自己的功能偏好。因此，基于用戶畫像模型的推薦具有較高的準(zhǔn)確性，使得推薦結(jié)果可以更好地滿足用戶的需求和偏好，提高用戶滿意度。

4.總結(jié)

本文主要介紹用戶畫像及其設(shè)計(jì)邏輯，幫助開發(fā)潛在用戶。畢竟，技術(shù)只是公司做出基于用戶的營(yíng)銷決策的最終工具。使用用戶畫像模型來了解產(chǎn)品目標(biāo)用戶的特定特征，包括興趣偏好和其他可以針對(duì)廣告的信息。面對(duì)很多產(chǎn)品的種類，用戶正面臨著損失。為了更好地服務(wù)用戶，他們將在激烈的市場(chǎng)競(jìng)爭(zhēng)中更具競(jìng)爭(zhēng)力。一個(gè)大數(shù)據(jù)時(shí)代的技術(shù)工具，幫助用戶肖像公司正確評(píng)價(jià)用戶的興趣和喜好。事實(shí)上他們已經(jīng)證明了。在商業(yè)營(yíng)銷活動(dòng)中使用用戶肖像是正確的選擇。是的，但是用戶概要建模過程要求公司收集、分析、挖掘用戶信息，有用戶數(shù)據(jù)泄露的風(fēng)險(xiǎn)。為了保護(hù)自己的信息安全，很多用戶不想公開和發(fā)表自己真實(shí)的信息，企業(yè)無法正確評(píng)價(jià)用戶的需求，凸顯了用戶特征分析方法的實(shí)際重要性。怎么樣保護(hù)用戶的隱私。如何在用戶和企業(yè)之間建立信賴是研究的方向。

參考文獻(xiàn)：

[1]雷汝霞.中端酒店的用戶畫像研究——以希岸？清雅酒店在攜程網(wǎng)上的在線評(píng)論為例[J].現(xiàn)代商業(yè)，2020（26）：3-6.

[2]何春愛.基于大數(shù)據(jù)的精準(zhǔn)營(yíng)銷模式分析——以汽車營(yíng)銷為例[J].財(cái)富生活，2020（18）：195-196.

[3]吳然.大數(shù)據(jù)時(shí)代下的客戶關(guān)系管理應(yīng)用[J].數(shù)字通信世界，2020（09）：201-202.

[4]汪倩，徐勇，張心蕊，李曉宇.用戶畫像研究進(jìn)展綜述[J].現(xiàn)代計(jì)算機(jī)，2020（24）：60-63.

[5]潘文宇，邢青.基于“用戶畫像”的視頻精準(zhǔn)推薦系統(tǒng)研究[J].科技風(fēng)，2020（22）：169+176.

[6]王薇.大數(shù)據(jù)背景下P2P網(wǎng)貸平臺(tái)精準(zhǔn)營(yíng)銷策略研究[J].電子商務(wù)，2020（07）：62-63.

[7]門洪亮，李舒.基于用戶畫像的信用卡精準(zhǔn)營(yíng)銷研究[J].江蘇商論，2020（06）：13-16.

[8]唐慧祥，常嘯，宋來敏.基于數(shù)據(jù)挖掘的淘寶精準(zhǔn)營(yíng)銷策略研究[J].哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào)，2020，36（03）：19-24.

[9]陳敏.大數(shù)據(jù)背景下小微電商S公司精準(zhǔn)營(yíng)銷策略研究[D].云南師范大學(xué)，2020.

[10]徐強(qiáng).基于大數(shù)據(jù)的工商銀行上饒分行零售業(yè)務(wù)精準(zhǔn)營(yíng)銷方案研究[D].江西財(cái)經(jīng)大學(xué)，2020.

[11]南寧豫.基于用戶畫像的J圖書出版公司精準(zhǔn)營(yíng)銷研究[D].江西財(cái)經(jīng)大學(xué)，2020.

[12]王艨.大數(shù)據(jù)背景下的奧龍世博公司精準(zhǔn)營(yíng)銷研究[D].云南財(cái)經(jīng)大學(xué)，2020.

[13]段碩.大數(shù)據(jù)時(shí)代網(wǎng)絡(luò)視頻廣告精準(zhǔn)營(yíng)銷研究[D].山東師范大學(xué)，2020.

（洛陽師范學(xué)院 河南? 洛陽? 471934）